Caffe学习（8）——训练和测试自己的图片

我们前面介绍的caffe自带的两个例子（mnist和cifar10）已经提供了相关配置文件，但是在后面的我们需要应用到自己的实际项目或科研中去。这里，我们熟悉一下整个流程：

1、准备数据

实际应用中，大多数时候，数据是要我们自己收集的。数据不够多时，我们一般会采用镜像、平移、旋转等方式对数据集进行数据增广。

2、数据格式转换

先获得图片清单列表，再将其转换为caffe能直接使用的格式；如Caffe（7）——图片文件转换为db文件所述，得到lmdb/leveldb/.h5等文件。

3、预处理

预处理包括去均值、归一化，图片进行预处理之后再训练，会提高训练速度和精度。因此一般都会有这个操作。

caffe程序其实有提供一个可以直接使用的计算均值的文件compute_image_mean.cpp；compute_image_mean带两个参数，第一个参数是lmdb训练数据的位置，第二个参数是均值文件的名字和保存路径。运行成功之后会生成一个.binaryproto的均值文件，去均值和归一化在我的其他文章中有介绍，这里不再拿出来说了。

4、创建模型并编写配置文件

caffe的net文件和超参数文件都是.prototxt文件，一般solver文件中设置超参数，另外一个文件设置CNN模型（也就是由layer构成的net）。

5、训练和测试

前面的都配置好之后，就可以开始运行了，运行时间和最后的结果根据机器配置、参数设置的不同而不同。